本文關(guān)鍵詞：基于組合模型的短時(shí)交通流量預(yù)測(cè)算法

  更多相關(guān)文章： 短時(shí)交通流量 K均值算法 極限學(xué)習(xí)機(jī) 組合模型算法

【摘要】：交通流量預(yù)測(cè)是實(shí)現(xiàn)智能交通技術(shù)的核心問題,及時(shí)準(zhǔn)確地預(yù)測(cè)道路交通流量是實(shí)現(xiàn)動(dòng)態(tài)交通管理的前提,短時(shí)交通流量的預(yù)測(cè)是交通流量預(yù)測(cè)的重要組成部分。該文針對(duì)十字路口的短時(shí)交通流量預(yù)測(cè)問題設(shè)計(jì)了基于交通流量序列分割和極限學(xué)習(xí)機(jī)(Extreme Learning Machine,ELM)組合模型的交通流量預(yù)測(cè)算法(Traffic Flow Prediction Based on Combined Model,TFPBCM)。該算法首先采用K-means對(duì)交通流量數(shù)據(jù)在時(shí)間上進(jìn)行序列分割,然后采用ELM對(duì)各個(gè)序列進(jìn)行建模和預(yù)測(cè)。仿真實(shí)驗(yàn)證明,與單一的BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)和ELM相比,該組合模型算法建模時(shí)間為BP的1/10,ELM建模時(shí)間的4倍,均方誤差為BP的1/50,ELM的1/20,該組合模型算法決定系數(shù)R2更接近于1,模型可信度更高。
【作者單位】： 北京郵電大學(xué)網(wǎng)絡(luò)與交換技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金創(chuàng)新研究群體科學(xué)基金(61121061);國(guó)家自然科學(xué)基金(61302078;61372108) 北京高等學(xué)校青年英才計(jì)劃項(xiàng)目(YETP0476)~~
【分類號(hào)】：U491.14
【正文快照】： 1引言隨著國(guó)內(nèi)城市的高速發(fā)展,交通擁堵,交通效率低下造成了交通事故的頻發(fā),這已成為各個(gè)城市發(fā)展面臨的共同問題[1]。及時(shí)做好交通流量預(yù)測(cè)對(duì)各個(gè)主干道路進(jìn)行調(diào)整成為了解決城市交通擁堵問題Teacher Project(YETP0476)的重要途徑之一。交通流量預(yù)測(cè)能有效緩解交通擁堵,降低

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 沈永增;閆紀(jì)如;王煒;;基于混沌粒子群優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)[J];計(jì)算機(jī)應(yīng)用與軟件;2014年06期

2 朱征宇;劉琳;崔明;;一種結(jié)合SVM與卡爾曼濾波的短時(shí)交通流預(yù)測(cè)模型[J];計(jì)算機(jī)科學(xué);2013年10期

3 羅向龍;牛國(guó)宏;潘若禹;;交通流量經(jīng)驗(yàn)?zāi)B(tài)分解與神經(jīng)網(wǎng)絡(luò)短時(shí)預(yù)測(cè)方法[J];計(jì)算機(jī)工程與應(yīng)用;2010年26期

4 尚寧;覃明貴;王亞琴;崔中發(fā);崔巖;朱揚(yáng)勇;;基于BP神經(jīng)網(wǎng)絡(luò)的路口短時(shí)交通流量預(yù)測(cè)方法[J];計(jì)算機(jī)應(yīng)用與軟件;2006年02期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 覃明貴;城市道路交通數(shù)據(jù)挖掘研究與應(yīng)用[D];復(fù)旦大學(xué);2010年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前8條

1 翟敏;極限學(xué)習(xí)機(jī)的自適應(yīng)網(wǎng)絡(luò)結(jié)構(gòu)選擇方法研究[D];西北大學(xué);2014年

2 張一;基于卡爾曼濾波的短時(shí)交通流量預(yù)測(cè)模型研究[D];沈陽(yáng)工業(yè)大學(xué);2014年

3 甘露;極限學(xué)習(xí)機(jī)的研究與應(yīng)用[D];西安電子科技大學(xué);2014年

4 王智慧;BP神經(jīng)網(wǎng)絡(luò)和ELM算法研究[D];中國(guó)計(jì)量學(xué)院;2012年

5 范騰騰;城市道路交通流量短時(shí)預(yù)測(cè)研究[D];北京交通大學(xué);2012年

6 曹虹;基于BP神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測(cè)[D];長(zhǎng)安大學(xué);2012年

7 曹煒;基于BP神經(jīng)網(wǎng)絡(luò)的城市交通流量預(yù)測(cè)與路口分析[D];昆明理工大學(xué);2006年

8 蘭云;短時(shí)交通流量預(yù)測(cè)研究[D];西北工業(yè)大學(xué);2002年

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 程政;陳賢富;;基于隨機(jī)森林模型的短時(shí)交通流預(yù)測(cè)方法[J];微型機(jī)與應(yīng)用;2016年10期

2 芮蘭蘭;李欽銘;;基于組合模型的短時(shí)交通流量預(yù)測(cè)算法[J];電子與信息學(xué)報(bào);2016年05期

3 趙會(huì)敏;雒江濤;楊軍超;徐正;雷曉;羅林;;集成BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的研究與應(yīng)用[J];電信科學(xué);2016年02期

4 柏叢;彭仲仁;;基于動(dòng)態(tài)模型的公交車行程時(shí)間預(yù)測(cè)[J];計(jì)算機(jī)工程與應(yīng)用;2016年03期

5 劉藝;張琨;;基于小波去噪和GA-Elman神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)[J];交通科技與經(jīng)濟(jì);2015年06期

6 楊春霞;符義琴;鮑鐵男;;基于相似性的短時(shí)交通流預(yù)測(cè)[J];公路交通科技;2015年10期

7 王少華;楊慧慧;;基于優(yōu)化參數(shù)的短時(shí)交通流預(yù)測(cè)仿真研究[J];計(jì)算機(jī)仿真;2015年06期

8 余林;舒勤;柏吉瓊;;基于EMD聚類與ARMA的交通流量預(yù)測(cè)方法[J];公路;2015年05期

9 張潤(rùn)民;夏井新;黃衛(wèi);;利用速度信息改進(jìn)城市道路短時(shí)交通量預(yù)測(cè)[J];交通信息與安全;2015年02期

10 余林;舒勤;馬哲;;經(jīng)驗(yàn)?zāi)B(tài)分析綜合法在負(fù)荷預(yù)測(cè)中的應(yīng)用[J];四川電力技術(shù);2015年02期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 鄭曉峰;道路運(yùn)輸信息系統(tǒng)的數(shù)據(jù)挖掘方法研究與應(yīng)用[D];華南理工大學(xué);2014年

2 王清波;城市隧道智能監(jiān)控系統(tǒng)及交通數(shù)據(jù)智能分析[D];武漢理工大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 李鑫;城市軌道交通適用性評(píng)價(jià)研究[D];大連交通大學(xué);2015年

2 胡超;光伏逆變器故障診斷方法研究[D];安徽理工大學(xué);2015年

3 胡俊;基于多元邏輯回歸和鄰域信息的高光譜遙感影像半監(jiān)督分類[D];中國(guó)礦業(yè)大學(xué);2015年

4 劉寶山;南昌市智能交通流量預(yù)測(cè)算法研究[D];南昌大學(xué);2015年

5 張振洪;道路交通流短時(shí)預(yù)測(cè)算法研究及系統(tǒng)應(yīng)用實(shí)現(xiàn)[D];華南理工大學(xué);2015年

6 劉萌萌;基于信息融合的改進(jìn)極限學(xué)習(xí)機(jī)預(yù)測(cè)算法研究[D];遼寧大學(xué);2015年

7 石京杰;自由式路網(wǎng)交通擁堵預(yù)報(bào)方法研究[D];重慶交通大學(xué);2015年

8 林冬霞;基于車聯(lián)網(wǎng)的短時(shí)交通流預(yù)測(cè)算法研究[D];華南理工大學(xué);2015年

9 江小燕;短時(shí)交通流預(yù)測(cè)方法研究[D];揚(yáng)州大學(xué);2015年

10 張瑞冬;基于模糊神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)[D];廣西師范大學(xué);2015年

【二級(jí)參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 宋馳;沈國(guó)江;;短時(shí)交通流預(yù)測(cè)模型綜述[J];自動(dòng)化博覽;2012年06期

2 張大斌;張景廣;彭森;;基因表達(dá)式編程在組合預(yù)測(cè)建模中的應(yīng)用[J];系統(tǒng)工程理論與實(shí)踐;2012年03期

3 顧成杰;張順頤;高飛;王曉軍;;基于混沌粒子群優(yōu)化算法的認(rèn)知網(wǎng)絡(luò)流量分類方法研究[J];計(jì)算機(jī)應(yīng)用與軟件;2011年11期

4 楊超;王志偉;;經(jīng)GA優(yōu)化的WNN在交通流預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)工程;2011年14期

5 沈國(guó)江;王嘯虎;孔祥杰;;短時(shí)交通流量智能組合預(yù)測(cè)模型及應(yīng)用[J];系統(tǒng)工程理論與實(shí)踐;2011年03期

6 李春貴;徐樹安;閆向磊;溫鑫;張?jiān)龇?;結(jié)合粒子群算法的小波神經(jīng)網(wǎng)絡(luò)交通流預(yù)測(cè)[J];廣西工學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年03期

7 唐新來;李春貴;王萌;張?jiān)龇?;基于混沌粒子群算法的神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測(cè)[J];計(jì)算機(jī)測(cè)量與控制;2010年08期

8 任沙浦;沈國(guó)江;;短時(shí)交通流智能混合預(yù)測(cè)技術(shù)[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2010年08期

9 張濤;陳先;謝美萍;張sソ，

本文編號(hào)：1208195